一直以来,天气与人们的生产、生活息息相关,灾害天气更是严重影响人类的社会生产与生活。所以,灾害天气的准确预报能有效避免生命和财产的损失,灾害天气的准确识别与跟踪成了天气预报的重中之中。本论文提出的一系列方法对多普勒天气雷达图像去噪、图像分割、目标跟踪起到了显著的成效。对于雷达的图像去噪,其目的是去除地物回波与超折射回波,本文提出了基于共生矩阵纹理特征的噪声抑制方法,对一系列的纹理特征(包括对比度、能量、熵、惯性矩等特征)进行了大量的实验,从而得出惯性矩能有效地去除雷达图像噪声的结论。噪声抑制是风暴单体分割的基础。对于风暴云团分割,本文首次把水平集及其图像分割的方法应用到天气领域,该方法适用于变背景图像中非刚体目标的提取,并且它能有效地处理目标的分裂与合并、生成与消失现象。用该方法分割出的单体目标边缘平滑,与实际情况高度相符,为云团特征的提取、为风暴单体的跟踪奠定了重要的基础。对于风暴云团的跟踪,本文先对当前帧图像检测出来的云团目标进行编号,然后与上一帧的云团进行目标的匹配,通过目标匹配的方法检测云团目标的演化状态的变化,从而实现了跟踪的目的。跟踪算法记录下了云团目标演化状态的时间序列表,通过该表可以得到云团的历史演化信息。最后用LSBEM算法对本文提出的风暴云团算法进行了评估,结果证明了跟踪算法的有效性。本文在多普勒天气雷达反射率因子产品数据、径向速度产品数据、垂直液态含水量产品数据的基础上,结合强对流天气与背景的若干特征,运用了图像处理、统计模式识别与数值求解偏微分方程的方法,有效地解决了强对流灾害天气中图像去噪、图像分割与目标跟踪的问题。本文的创新点主要有:(1)用基于共生矩阵纹理特征的方法去除多普勒天气雷达反射率图像中的噪声;(2)用水平集的方法对风暴天气单体进行分割;(3)风暴云团跟踪算法能够检测云团的合并与分裂。